save

- annotation: 自适应字号系数 0.017→0.020（下限 8→9），标注文字更大更清晰
- measure: _brow_center 只取 FaceMesh 9 号点（眉间上点），不再与 151 取中点

Co-authored-by: Cursor <cursoragent@cursor.com>

0716add-hair-api.json

@@ -29,7 +29,7 @@
   "60": {
     "class_type": "JjkText",
     "inputs": {
-      "text": "填充遮罩区域的头发，皮肤加一点磨皮，再加一点美颜"
+      "text": "填充遮罩区域的头发"
     }
   },
   "22": {

OFFLINE_ASSETS.md

@@ -82,7 +82,8 @@ model.safetensors         https://huggingface.co/jonathandinu/face-parsing/resol
 模型已就位，但**内网机还需要 Python 依赖的离线 wheel 包**，否则 `pip install` 在内网无法联网安装。这部分**与目标机的操作系统、Python 版本、CUDA 版本强相关**，需确认后单独打包：
 
 - **worker（GPU 机）**：`mediapipe` / `opencv-python` / `numpy<2` / `Pillow` / **`torch`+`torchvision` 的 CUDA 版**（按 GPU 的 CUDA 版本选 cu118/cu121 等）/ `transformers`（接口2 SegFormer）+ FastAPI/uvicorn 全家桶。
-- **网关机**：很轻，只需 FastAPI/uvicorn/httpx 等代理依赖，**不需要 torch/mediapipe**。
+- **网关机**：FastAPI/uvicorn/httpx 等代理依赖 + **接口4 现需 `mediapipe`/`opencv-python`/`numpy<2`**（脸型本机计算），
+  仍**不需要 torch**（无 GPU 推理需求）。
 
 > 架构已拆分（见 `docs/实现说明.md`）：算法依赖只装在 worker，网关保持轻量。
 

add_hair.json

@@ -410,7 +410,7 @@
   },
   "60": {
     "inputs": {
-      "text": "填充遮罩区域的头发，皮肤加一点磨皮，再加一点美颜"
+      "text": "填充遮罩区域的头发"
     },
     "class_type": "JjkText",
     "_meta": {

add_hair2.json

@@ -381,7 +381,7 @@
   },
   "60": {
     "inputs": {
-      "text": "补充遮罩内区域的头发，区域内填充满头发，不要保留皮肤，发际线下移填充头发。自然的头发生长方向，逼真的头发质感，自然发质。"
+      "text": "填充遮罩区域的头发"
     },
     "class_type": "JjkText",
     "_meta": {
@@ -684,7 +684,7 @@
   },
   "87": {
     "inputs": {
-      "text": "去掉头发接缝的黄色痕迹，头发完美融合，保持发型不变，发色不变。其他不变。",
+      "text": "填充遮罩区域的头发",
       "clip": [
         "78",
         0

app.py

@@ -1,6 +1,6 @@
 """旷视五接口 — worker 侧（高性能 GPU 后端）。
 
-接口 1（四庭七眼测量）已为**真实算法实现**（见 face_analysis 包）；接口 2~5 仍为 Mock。
+接口 1 等算法在 worker；接口4（用户特征）已迁到网关本机（调豆包），worker 同路径只返回明确错误、无 Mock。
 拆分架构：worker 跑算法、返回 `annotated_image_base64`（不落盘、不拼 URL，由网关完成）。
 worker 对 `/api/*` 校验内网鉴权头 `X-Internal-Token`，`/health` 供网关探测不校验。
 """
@@ -736,7 +736,7 @@ async def hair_grow(
     hair_style: Optional[str] = Form(default=None, description="发型序号逗号分隔（必填），如 1,2,3。female:1-5 male:1-4"),
     beauty_enabled: bool = Form(default=False, description="是否开启美颜（本期不生效）"),
     use_mask: bool = Form(default=True, description="是否启用 inpaint 遮罩（测试对比用）。false 时用干净原图生成（空遮罩，不烧模板线）"),
-    prompt: str = Form(default="填充遮罩区域的头发，皮肤加一点磨皮，再加一点美颜", description="ComfyUI 提示词，会替换工作流节点60的文本"),
+    prompt: str = Form(default="填充遮罩区域的头发", description="ComfyUI 提示词，会替换工作流节点60的文本"),
 ):
     # 1. gender 必填校验（非法/缺失 → 1004）
     if gender not in ("male", "female"):
@@ -808,6 +808,7 @@ async def hair_grow_v2():
     "/api/v1/hair/grow-b",
     summary="接口3 B端生发（医生/操作端）",
     tags=["生发"],
+    deprecated=True,
     description="""
 医生/操作端在用户照片上**手动用马克笔划线标注**目标发际线后，**只需上传这一张划线图**，返回：
 - 生发后效果图（系统检测划线 → 据此生成「植发 3 个月」效果）
@@ -847,36 +848,11 @@ async def hair_grow_b(
     marked_image_url: Optional[str] = Form(default=None, description="划线图片 URL"),
     marked_image_base64: Optional[str] = Form(default=None, description="划线图片 base64"),
     use_mask: bool = Form(default=True, description="是否画发际线（测试对比用）。false 时跳过划线检测、直接送划线图"),
-    prompt: str = Form(default="填充遮罩区域的头发，皮肤加一点磨皮，再加一点美颜", description="ComfyUI 提示词，会替换工作流节点60的文本"),
+    prompt: str = Form(default="填充遮罩区域的头发", description="ComfyUI 提示词，会替换工作流节点60的文本"),
 ):
-    # 划线图三选一取图（只需这一张）
-    marked_raw, e = await resolve_image_bytes(marked_image_file, marked_image_url, marked_image_base64)
-    if e is not None:
-        return e
-
-    marked = cv2.imdecode(np.frombuffer(marked_raw, np.uint8), cv2.IMREAD_COLOR)
-    if marked is None:
-        return err(1008, "图片格式不支持（仅 JPG / PNG）")
-
-    try:
-        from fastapi.concurrency import run_in_threadpool
-        from hairline.service import generate_grow_b
-
-        res = await run_in_threadpool(generate_grow_b, marked, use_mask, prompt)
-        if res["status"] == "no_face":
-            return err(1001, "无法识别人像")
-        if res["status"] == "no_line":
-            return err(1001, "未检测到发际线划线，请确认划线图额头有清晰的手绘发际线")
-
-        grown_b64 = _png_to_jpg_b64(res["grown_png"]) if res["grown_png"] else None  # 生发图 JPG
-        data = {
-            "hair_growth_image_base64": grown_b64,
-            "hairline_type": "custom",
-        }
-        return ok(data)
-    except Exception as ex:  # noqa: BLE001
-        logger.exception("接口3 处理异常")
-        return err(1007, f"处理失败：{ex}")
+    """接口3 已屏蔽：调用直接返回错误，不再执行生发/ComfyUI 逻辑。
+    保留路由（含原参数签名）避免老客户端裸 404，multipart 入参仍被接受但不处理。"""
+    return err(1007, "接口3（/api/v1/hair/grow-b）已屏蔽，暂不提供服务")
 
 
 # ---------------------------------------------------------------------------
@@ -885,56 +861,28 @@ async def hair_grow_b(
 
 @app.post(
     "/api/v1/face/features",
-    summary="接口4 用户特征分析",
+    summary="接口4 用户特征分析（仅网关）",
     tags=["人脸分析"],
-    description=f"""
-输入用户照片，返回 N 个用户面部特征字段。
+    description="""
+**本接口不在 worker 实现。** 请调用网关（本机默认 `http://127.0.0.1:8080`）的同路径；
+网关本机调火山方舟豆包视觉模型，不转发到 worker。
 
-{_image_fields_desc}
-
-图片同时支持 `multipart/form-data` 文件上传（字段名 `image_file`）。
-
----
-
-由**火山方舟 豆包视觉模型**分析，返回**固定 6 个英文字段**。
-
-**返回格式**：`data.features` 为一个 **JSON 字符串**（不是对象），需要在客户端 `JSON.parse()` 后使用。
-
-| 字段 | 说明 |
-|------|------|
-| face_shape | 脸形（如"鹅蛋脸"） |
-| eyebrow_shape | 眉形（如"平眉"） |
-| facial_age | 面部年龄（区间，如"18-25岁"） |
-| dynamic_static_type | 动静类型（"静态型"/"动态型"） |
-| gender | 性别（"男"/"女"） |
-| gene_style | 基因风格（如"自然型"） |
-
-> 无人脸返回 `1001`。
+直接打 worker（如 `:8187`）会返回错误，避免误用假数据。
 """,
     responses={
         200: {
-            "description": "成功",
+            "description": "worker 不提供本接口",
             "content": {
                 "application/json": {
                     "example": {
-                        "code": 0,
-                        "message": "success",
+                        "code": 1007,
+                        "message": "接口4 仅在网关实现，请访问网关（本机默认 :8080），worker 不提供本接口",
                         "request_id": "mock-request-id",
-                        "data": {
-                            "features": '{"face_shape":"鹅蛋脸","eyebrow_shape":"平眉","facial_age":"18-25岁","dynamic_static_type":"静态型","gender":"女","gene_style":"少年型"}',
-                        },
+                        "data": None,
                     }
                 }
             },
         },
-        400: {
-            "description": "参数错误 / 图片识别失败",
-            "content": {
-                "application/json": {
-                    "example": {"code": 1001, "message": "无法识别人像", "request_id": "x", "data": None}
-                }
-            },
-        },
     },
 )
 async def face_features(
@@ -942,16 +890,12 @@ async def face_features(
     image_url: Optional[str] = Form(default=None, description="图片 URL"),
     image_base64: Optional[str] = Form(default=None, description="图片 base64（需带 data:image/...;base64, 前缀）"),
 ):
-    # ⚠️ 接口4 已迁到**网关本机**实现（直接调豆包视觉模型，见 gateway/app.py）。
-    #    网关不会把本接口转发到 worker，故此处仅留 Mock 占位、保持 worker 无外网依赖。
-    features = json.dumps(
-        {
-            "face_shape": "鹅蛋脸", "eyebrow_shape": "平眉", "facial_age": "18-25岁",
-            "dynamic_static_type": "静态型", "gender": "女", "gene_style": "少年型",
-        },
-        ensure_ascii=False,
+    # 接口4 只在网关实现（gateway/app.py → face_features.analyze_features）。
+    # 不再返回 Mock 成功数据，避免本机打 :8187 时被假结果误导。
+    return err(
+        1007,
+        "接口4 仅在网关实现，请访问网关（本机默认 :8080），worker 不提供本接口",
     )
-    return ok({"features": features})
 
 
 # ---------------------------------------------------------------------------
@@ -1057,7 +1001,7 @@ async def hairline_generate(
     gender: Optional[str] = Form(default=None, description="性别 male/female（必填）"),
     hair_style: Optional[str] = Form(default=None, description="发型序号逗号分隔（必填，如 1,2,3）。female:1-5 male:1-4"),
     use_mask: bool = Form(default=True, description="生发是否启用 inpaint 遮罩（同接口2，测试对比用）"),
-    prompt: str = Form(default="填充遮罩区域的头发，皮肤加一点磨皮，再加一点美颜", description="ComfyUI 提示词（同接口2），会替换工作流节点60的文本"),
+    prompt: str = Form(default="填充遮罩区域的头发", description="ComfyUI 提示词（同接口2），会替换工作流节点60的文本"),
     generate_grow_image: bool = Form(default=True, description="是否生成生发效果图（ComfyUI 生发，最耗时）。默认 true 出图；false 时跳过生发，各发型 grown_image 恒为 null，仅返回三档发际线叠图与中心点"),
 ):
     if gender not in ("male", "female"):
@@ -1451,7 +1395,7 @@ async def hairline_grow_v2(
     inpainting_fill: int = Form(default=1, description="change_hair服务端重绘填充：0=保留原图 | 1=噪声 | 2=纯色 | 3=潜变量。默认 1"),
     mask_blur: int = Form(default=11, description="change_hair服务端遮罩边缘模糊像素，默认 11"),
     mask_dilate_scale: float = Form(default=1.0, description="change_hair服务端遮罩膨胀缩放，默认 1.0"),
-    comfyui_prompt: Optional[str] = Form(default=None, description="Flux-2 重绘提示词，None 用默认「填充遮罩区域的头发，皮肤加一点磨皮，再加一点美颜」"),
+    comfyui_prompt: Optional[str] = Form(default=None, description="Flux-2 重绘提示词，None 用默认「填充遮罩区域的头发」"),
     beauty_alpha: float = Form(default=0.6, description="redraw_band 版 band 外的全脸美颜融入强度（0=band外无美颜纯用final，1≈整帧版），默认 0.6"),
     band_lo_mult: float = Form(default=0.5, description="重绘带外推倍率下限（相对 hairline_push_cm，内轮廓=0×、原外推线=1.0×），默认 0.5"),
     band_hi_mult: float = Form(default=1.5, description="重绘带外推倍率上限（相对 hairline_push_cm），默认 1.5"),
@@ -1617,7 +1561,7 @@ async def hairline_grow_v2_final_v2(
 async def api_redraw(
     image_file: UploadFile = File(..., description="人物图片（JPG/PNG）"),
     mask_file: UploadFile = File(..., description="遮罩图片（PNG，支持红/白/alpha 格式）"),
-    prompt: str = Form(default="填充遮罩区域的头发，皮肤加一点磨皮，再加一点美颜",
+    prompt: str = Form(default="填充遮罩区域的头发",
                        description="ComfyUI 提示词"),
 ):
     image_bytes = await image_file.read()
@@ -1662,6 +1606,84 @@ async def download_hairline_log(rid: Optional[str] = None, tail: int = 500):
     return PlainTextResponse("".join(lines), media_type="text/plain; charset=utf-8")
 
 
+# ---------------------------------------------------------------------------
+# 调试：MediaPipe 脸型分类（face/face_shape_classifier.py，非接口4 豆包）
+# ---------------------------------------------------------------------------
+
+@app.post(
+    "/api/v1/debug/face-shape",
+    summary="调试 单张脸型分类（MediaPipe）",
+    tags=["调试"],
+    description="""
+离线脸型分类调试接口（`face/face_shape_classifier.py`），**不是**接口4 的豆包视觉分析。
+
+上传正面照 → MediaPipe 468 点 → 7 类脸型评分 + 特征标注图。
+""",
+    include_in_schema=True,
+)
+async def debug_face_shape(
+    image_file: Optional[UploadFile] = File(default=None, description="上传图片文件（JPG/PNG）"),
+    image_url: Optional[str] = Form(default=None, description="图片 URL"),
+    image_base64: Optional[str] = Form(default=None, description="图片 base64"),
+):
+    raw, e = await resolve_image_bytes(image_file, image_url, image_base64)
+    if e:
+        return e
+    try:
+        nparr = np.frombuffer(raw, np.uint8)
+        bgr = cv2.imdecode(nparr, cv2.IMREAD_COLOR)
+        if bgr is None:
+            return err(1008, "图片格式不支持（仅 JPG / PNG）")
+    except Exception:  # noqa: BLE001
+        return err(1008, "图片格式不支持（仅 JPG / PNG）")
+
+    def _jsonable(obj):
+        if isinstance(obj, dict):
+            return {k: _jsonable(v) for k, v in obj.items()}
+        if isinstance(obj, (list, tuple)):
+            return [_jsonable(v) for v in obj]
+        if hasattr(obj, "item"):
+            return obj.item()
+        if isinstance(obj, (float, int, str, bool)) or obj is None:
+            return obj
+        return obj
+
+    from fastapi.concurrency import run_in_threadpool
+
+    try:
+        from face.face_shape_classifier import classify_from_image
+
+        result = await run_in_threadpool(
+            classify_from_image, bgr, True, True,
+        )
+    except ValueError as ex:
+        return err(1001, str(ex) or "无法识别人像")
+    except Exception as ex:  # noqa: BLE001
+        return err(1007, f"脸型分类失败：{ex}")
+
+    details = result.get("details") or {}
+    ranked = [
+        {"shape": name, "score": round(float(score), 2)}
+        for name, score in (details.get("ranked") or [])
+    ]
+    annotated = result.pop("annotated", None)
+    h, w = bgr.shape[:2]
+    data = {
+        "face_shape": result["face_shape"],
+        "display": result["display"],
+        "confidence": round(float(result["confidence"]), 4),
+        "is_mixed": bool(details.get("is_mixed")),
+        "second_shape": details.get("second_shape"),
+        "score_gap": round(float(details["score_gap"]), 2) if details.get("score_gap") is not None else None,
+        "ranked": ranked,
+        "features": _jsonable(result.get("features") or {}),
+        "zscores": _jsonable(details.get("zscores") or {}),
+        "image_size": {"width": w, "height": h},
+        "annotated_image_base64": _jpg_b64(annotated) if annotated is not None else None,
+    }
+    return ok(data)
+
+
 # ---------------------------------------------------------------------------
 # 健康检查
 # ---------------------------------------------------------------------------

benchmark_9b_vs_4b.py

@@ -58,7 +58,7 @@ def call_iface2(image_path, hair_style):
     with open(image_path, "rb") as f:
         img_data = f.read()
     fields = {"gender": "female", "hair_style": str(hair_style),
-              "prompt": "填充遮罩区域的头发，皮肤加一点磨皮，再加一点美颜"}
+              "prompt": "填充遮罩区域的头发"}
     body, boundary = _multipart(
         fields, {"image_file": (os.path.basename(image_path), img_data, "image/jpeg")})
     req = urllib.request.Request(f"{API_BASE}/api/v1/hair/grow", data=body, method="POST")

benchmark_iface2_female.py

@@ -56,7 +56,7 @@ def call_iface2_female(image_path, hair_style):
     with open(image_path, "rb") as f:
         img_data = f.read()
     fields = {"gender": "female", "hair_style": str(hair_style),
-              "prompt": "填充遮罩区域的头发，皮肤加一点磨皮，再加一点美颜"}
+              "prompt": "填充遮罩区域的头发"}
     body, boundary = _multipart(
         fields, {"image_file": (os.path.basename(image_path), img_data, "image/jpeg")})
     req = urllib.request.Request(f"{API_BASE}/api/v1/hair/grow", data=body, method="POST")

benchmark_rotation.py

@@ -89,7 +89,7 @@ def call_api2(image_path, gender, hair_style="1"):
     with open(image_path, "rb") as f:
         img_data = f.read()
     fields = {"gender": gender, "hair_style": hair_style, "use_mask": "0",
-              "prompt": "填充遮罩区域的头发，皮肤加一点磨皮，再加一点美颜"}
+              "prompt": "填充遮罩区域的头发"}
     body, boundary = _multipart(fields, {"image_file": (os.path.basename(image_path), img_data, "image/jpeg")})
     req = urllib.request.Request(f"{API_BASE}/api/v1/hair/grow", data=body, method="POST")
     req.add_header("Content-Type", f"multipart/form-data; boundary={boundary}")
@@ -107,7 +107,7 @@ def call_api3(image_path):
     """接口3：B端生发（use_mask=False，直接送图）"""
     with open(image_path, "rb") as f:
         img_data = f.read()
-    fields = {"use_mask": "true", "prompt": "填充遮罩区域的头发，皮肤加一点磨皮，再加一点美颜"}
+    fields = {"use_mask": "true", "prompt": "填充遮罩区域的头发"}
     body, boundary = _multipart(fields, {"marked_image_file": (os.path.basename(image_path), img_data, "image/jpeg")})
     req = urllib.request.Request(f"{API_BASE}/api/v1/hair/grow-b", data=body, method="POST")
     req.add_header("Content-Type", f"multipart/form-data; boundary={boundary}")

docs/实现说明.md

@@ -85,8 +85,10 @@
 ### 接口4 用户特征 `/api/v1/face/features`（**网关本机**）
 - **做什么**：照片 → 几十项面部特征(脸型/眉形/肤色/三庭五眼/四季色彩季型/量感/基因风格/性别…)。`data.features` 是 JSON 字符串。
 - **怎么实现**（`gateway/`，逻辑参考 worker `face_features.py` / `/home/xsl/fuyan`）：调**火山方舟 豆包视觉模型**
-  `doubao-seed-1-6-vision`(OpenAI 兼容，base64 data URI 喂图)，解析 JSON + 映射 6 个英文优先字段并保留全部中文。
-  无人脸→1001。**唯一调外网的接口**：网关需可达 `ark.cn-beijing.volces.com`，API Key 走网关配置(不入 git)。
+  `doubao-seed-2-0-lite-260428`(OpenAI 兼容，base64 data URI 喂图)，解析眉形/年龄/动静/性别/基因风格 5 项。
+  **`face_shape`（脸型）改为本机 `face/face_shape_classifier.py`（MediaPipe）计算并覆盖豆包结果**。
+  无人脸→1001。网关需可达 `ark.cn-beijing.volces.com`，API Key 走网关配置(不入 git)。
+  ⚠️ 因此**网关机不再是纯轻量代理**，需额外安装 `mediapipe`/`opencv-python`/`numpy<2`（见 `requirements.txt`）。
 
 ### 接口5 发际线PNG生成 `/api/v1/hairline/generate`（worker）
 - **做什么**：入参同接口2（`gender` + 多选 `hair_style` 必填）。对每个选中发型 → `middle`/`high`/`low` 三档发际线叠图 + 生发图 + 首个选中发型的面部中间点坐标。
@@ -108,10 +110,12 @@
 - `worker_config.json`(不入 git)：`accept_passwords`(鉴权) + 鉴权头 `X-Internal-Token`。
 
 **网关机**
-- 很轻：FastAPI/uvicorn/httpx + **接口4 的 `volcengine-python-sdk[ark]`**（或直接 httpx 调，OpenAI 兼容）。
-- 不装 torch/mediapipe/opencv。配置 `gateway/config.json`(不入 git)：`workers` 列表、`shared_password`、
+- FastAPI/uvicorn/httpx + **接口4 的 `volcengine-python-sdk[ark]`**（或直接 httpx 调，OpenAI 兼容）。
+- ⚠️ 接口4 `face_shape` 改本机 MediaPipe 计算后，网关机**也需要装** `mediapipe`/`opencv-python`/`numpy<2`
+  （不再是"网关不装 torch/mediapipe/opencv"，只是仍不需要 torch/transformers/scikit-image 等重依赖）。
+- 配置 `gateway/config.json`(不入 git)：`workers` 列表、`shared_password`、
   `ark` 的 api_key/base_url/model、`public_base_url`、超时(**生发接口慢，`request_timeout_seconds` 调大 ≥120s**)。
-- 托管 `/static/annotations/`(落盘的图)，定期清理。
+- 托管 `/static/annotations/`(落盘的图)，永久保留，不自动清理。
 
 ---
 

docs/接口文档.md

@@ -352,7 +352,7 @@
 
 ## 接口 4：用户特征接口
 
-**说明**：输入用户照片，由**火山方舟 豆包视觉模型**（`doubao-seed-1-6-vision`）分析，输出一大批面部特征。
+**说明**：输入用户照片，由**火山方舟 豆包视觉模型**（`doubao-seed-2-0-lite-260428`）分析，输出一大批面部特征。
 
 **请求**：`POST /api/v1/face/features`
 

face/face_shape_classifier.py

@@ -14,6 +14,7 @@ face_shape_classifier.py
 from __future__ import annotations
 
 import math
+import threading
 from pathlib import Path
 from typing import Dict, List, Optional, Tuple, Union
 
@@ -343,6 +344,9 @@ def get_mixed_description(details: Dict) -> str:
 
 
 _face_mesh = None
+# mediapipe Solutions API 的单个 FaceMesh 实例不是线程安全的；被 web 服务用
+# run_in_threadpool 并发调用时（如网关接口4、worker 调试接口）必须加锁串行化。
+_face_mesh_lock = threading.Lock()
 
 
 def _get_face_mesh():
@@ -502,7 +506,8 @@ def annotate_face_features(
 
     if landmarks is None:
         rgb = cv2.cvtColor(bgr, cv2.COLOR_BGR2RGB)
-        results = _get_face_mesh().process(rgb)
+        with _face_mesh_lock:
+            results = _get_face_mesh().process(rgb)
         if not results.multi_face_landmarks:
             raise ValueError("未检测到人脸关键点")
         landmarks = results.multi_face_landmarks[0].landmark
@@ -741,7 +746,8 @@ def classify_from_image(
     bgr = _load_image(image)
     h, w = bgr.shape[:2]
     rgb = cv2.cvtColor(bgr, cv2.COLOR_BGR2RGB)
-    results = _get_face_mesh().process(rgb)
+    with _face_mesh_lock:
+        results = _get_face_mesh().process(rgb)
 
     if not results.multi_face_landmarks:
         raise ValueError("未检测到人脸关键点")

face_analysis/annotation.py

@@ -203,7 +203,7 @@ def create_annotated_image(image_bgr, measure_result, ear_mask=None, hair_mask=N
 
     # --- 自适应尺寸：字号/线宽/虚线/箭头按短边缩放 ---
     s = min(w, h)
-    font_size = max(11, round(s * 0.026))     # 字体更小
+    font_size = max(12, round(s * 0.030))     # 字号上调一档
     line_w = max(1, round(s * 0.0022))
     dash_len = max(4, round(s * 0.008))
     gap_len = max(2, round(dash_len * 0.7))   # 虚线更稠密（间隙<划线）

face_analysis/hairline_grow.py

@@ -1107,7 +1107,7 @@ def generate_hairline_redraw(image_bgr, hairline_id, is_hr=False, seg_model="seg
         "hairline_id": hairline_id,
         "blend_method": blend_method,
         "hairline_push_cm": round(float(hairline_push_cm), 2),
-        "comfyui_prompt": comfyui_prompt or "填充遮罩区域的头发，皮肤加一点磨皮，再加一点美颜",
+        "comfyui_prompt": comfyui_prompt or "填充遮罩区域的头发",
         "beauty_alpha": beauty_alpha,
         "px_per_cm": round(float(px_per_cm), 4),
         "mask_pixels": mask_viz["mask_pixels"],

face_analysis/measure.py

@@ -12,7 +12,7 @@ from face_analysis.calibration import (
     estimate_scale_factor, normalized_to_pixel, pixel_distance, _lm_list,
 )
 from face_analysis.face_mesh_landmarks import (
-    GLABELLA_9, GLABELLA_151, NOSE_BOTTOM, CHIN_TIP,
+    GLABELLA_9, NOSE_BOTTOM, CHIN_TIP,
     LEFT_EYE_OUTER, LEFT_EYE_INNER, RIGHT_EYE_INNER, RIGHT_EYE_OUTER,
     LEFT_CHEEK, RIGHT_CHEEK, LEFT_POSITION, RIGHT_POSITION,
 )
@@ -24,10 +24,8 @@ _TOP_RATIO = 0.22 / 0.28      # 顶庭 ÷ 中庭（≈ 0.786）
 
 
 def _brow_center(lm, w, h):
-    """眉心 = 索引 9 / 151 中点。"""
-    g9 = normalized_to_pixel(lm[GLABELLA_9], w, h)
-    g151 = normalized_to_pixel(lm[GLABELLA_151], w, h)
-    return (g9[0] + g151[0]) / 2, (g9[1] + g151[1]) / 2
+    """眉心 = 索引 9（眉间上点）。"""
+    return normalized_to_pixel(lm[GLABELLA_9], w, h)
 
 
 def estimate_vertical_landmarks(landmarks, image_width, image_height):

face_features.py

@@ -1,10 +1,11 @@
-"""接口4：用户面部特征分析（调用火山方舟 豆包视觉模型 doubao-seed-1-6-vision）。
+"""接口4：用户面部特征分析。
 
-算法来源：/home/xsl/fuyan（FaceArk.py）。worker 把图片以 base64 data URI 传给方舟
-多模态模型，模型返回一大堆人脸特征 JSON；本模块解析后映射出接口4 的英文优先字段
-（face_shape 等），并保留 doubao 返回的全部中文字段。
+- 眉形 / 面部年龄 / 动静类型 / 性别 / 基因风格：火山方舟豆包视觉模型
+- face_shape（脸型）：本机 MediaPipe 分类（face/face_shape_classifier.py）覆盖，
+  不用豆包结果
 
-⚠️ 这是**唯一调外网云模型**的接口（其余接口全本地）。API Key 走配置/环境变量，不入 git。
+⚠️ 仍依赖外网豆包（其余 5 项）。API Key 走配置/环境变量，不入 git。
+网关本机需可 import face 包（opencv + mediapipe）。
 """
 from __future__ import annotations
 
@@ -16,11 +17,10 @@ import os
 logger = logging.getLogger("hair.worker")
 
 ARK_BASE_URL = os.getenv("ARK_BASE_URL", "https://ark.cn-beijing.volces.com/api/v3")
-ARK_MODEL = os.getenv("ARK_MODEL", "doubao-seed-1-6-vision-250815")
+ARK_MODEL = os.getenv("ARK_MODEL", "doubao-seed-2-0-lite-260428")
 
-# doubao 中文键 → 接口4 英文优先字段（仅保留这 6 项）
+# doubao 中文键 → 接口4 英文字段（脸型不走豆包，见 _local_face_shape）
 _KEY_MAP = {
-    "脸型": "face_shape",
     "眉形": "eyebrow_shape",
     "面部年龄": "facial_age",
     "动静类型": "dynamic_static_type",
@@ -28,11 +28,11 @@ _KEY_MAP = {
     "基因风格": "gene_style",
 }
 
-# 仅请求接口4 需要的 6 个字段（+「图片是否有人脸」用于 1001 判定，不进最终输出）
+# 豆包只问 5 项 + 是否有人脸；脸型由本地分类器给出
 _PROMPT = (
     "分析一下图片告诉我以下特征，只要答案，格式为json字符串，"
     "图片是否有人脸（有人/没人） "
-    "脸型（圆形脸/心形脸/菱形脸/鹅蛋脸/方形脸/长形脸/瓜子脸） 眉形 "
+    "眉形 "
     "面部年龄（给出区间年龄） 动静类型（静态型/动态型） 性别（男/女） "
     "基因风格（戏剧型/睿智型/自然型/古典型/优雅型/浪漫型/前卫型/少女型/少年型）"
 )
@@ -42,12 +42,13 @@ _client_key: str | None = None      # _client 构建时使用的 api_key，用
 
 
 def _load_api_key() -> str | None:
-    """ARK_API_KEY 环境变量优先，否则读 worker_config.json / gateway/config.json 的 ark_api_key。"""
+    """ARK_API_KEY 环境变量优先；否则优先 gateway/config.json（接口4 已迁网关），
+    再回退 worker_config.json（兼容旧配置）。"""
     key = os.getenv("ARK_API_KEY")
     if key:
         return key
     base = os.path.dirname(__file__)
-    for cfg_name in ("worker_config.json", "gateway/config.json"):
+    for cfg_name in ("gateway/config.json", "worker_config.json"):
         cfg = os.path.join(base, cfg_name)
         if os.path.isfile(cfg):
             try:
@@ -97,10 +98,47 @@ def _image_to_url(image_bytes: bytes = None, image_url: str = None) -> str:
     return f"data:image/{fmt};base64," + base64.b64encode(image_bytes).decode()
 
 
-def analyze_features(image_bytes: bytes = None, image_url: str = None):
-    """调 doubao 视觉模型分析人脸特征。
+def _resolve_image_bytes(image_bytes: bytes = None, image_url: str = None) -> bytes:
+    """本地分类器用：优先已有字节；仅有 URL 时下载。"""
+    if image_bytes:
+        return image_bytes
+    if not image_url:
+        raise ValueError("缺少图片数据")
+    if image_url.startswith("data:"):
+        # data URI
+        b64 = image_url.split(",", 1)[1] if "," in image_url else image_url
+        return base64.b64decode(b64)
+    import httpx
+    with httpx.Client(timeout=15.0, follow_redirects=True) as client:
+        r = client.get(image_url)
+        r.raise_for_status()
+        return r.content
 
-    Returns: dict —— 仅含接口4 的 6 个英文字段(face_shape/eyebrow_shape/facial_age/
+
+def _local_face_shape(image_bytes: bytes = None, image_url: str = None) -> str:
+    """MediaPipe 脸型分类，返回 display（含混合脸型描述）或主脸型。"""
+    import cv2
+    import numpy as np
+    from face.face_shape_classifier import classify_from_image
+
+    raw = _resolve_image_bytes(image_bytes, image_url)
+    bgr = cv2.imdecode(np.frombuffer(raw, np.uint8), cv2.IMREAD_COLOR)
+    if bgr is None:
+        raise ValueError("图片格式不支持，无法解码")
+    result = classify_from_image(bgr, return_details=True, return_annotated=False)
+    shape = result.get("display") or result["face_shape"]
+    logger.info(
+        "local face_shape=%s conf=%.3f",
+        shape,
+        float(result.get("confidence") or 0),
+    )
+    return shape
+
+
+def analyze_features(image_bytes: bytes = None, image_url: str = None):
+    """豆包分析 5 项特征 + 本机 MediaPipe 覆盖 face_shape。
+
+    Returns: dict —— 6 个英文字段(face_shape/eyebrow_shape/facial_age/
       dynamic_static_type/gender/gene_style)；**无人脸返回 None**（调用方据此判 1001）。
     """
     url = _image_to_url(image_bytes, image_url)
@@ -131,8 +169,17 @@ def analyze_features(image_bytes: bytes = None, image_url: str = None):
         raise RuntimeError(f"豆包模型返回格式异常，无法解析为 JSON：{text[:200]}") from e
     if not has_face(raw):
         return None
-    # 只保留 6 个英文字段（doubao 缺某字段则跳过）
-    return {en: raw[zh] for zh, en in _KEY_MAP.items() if zh in raw}
+    # 豆包 5 项 + 本地脸型覆盖
+    feats = {en: raw[zh] for zh, en in _KEY_MAP.items() if zh in raw}
+    try:
+        feats["face_shape"] = _local_face_shape(image_bytes, image_url)
+    except ValueError as e:
+        logger.warning("本地脸型分类未检测到人脸: %s", e)
+        return None
+    except Exception as e:  # noqa: BLE001
+        logger.exception("本地脸型分类失败")
+        raise RuntimeError(f"本地脸型分类失败：{e}") from e
+    return feats
 
 
 def has_face(features: dict) -> bool:

gateway/app.py

@@ -4,13 +4,10 @@
 不跑任何算法（无 torch/mediapipe/opencv 依赖）。
 """
 
-import asyncio
 import base64
 import json
 import logging
-import time
 from contextlib import asynccontextmanager
-from io import BytesIO
 from pathlib import Path
 from typing import Optional
 
@@ -67,32 +64,15 @@ async def lifespan(app: FastAPI):
     else:
         app.state._pool_shutdown = None
 
-    # 确保标注图目录存在
+    # 确保标注图目录存在（永久保留，不做定期清理）
     static_dir = Path(cfg["static_dir"])
     static_dir.mkdir(parents=True, exist_ok=True)
-    logger.info("标注图目录: %s", static_dir)
-
-    # 启动定期清理任务（阶段四）
-    cleanup_shutdown = asyncio.Event()
-    cleanup_task = asyncio.create_task(
-        _cleanup_loop(static_dir, cfg, cleanup_shutdown)
-    )
-    app.state._cleanup_shutdown = cleanup_shutdown
-    app.state._cleanup_task = cleanup_task
+    logger.info("标注图目录: %s（永久保留，不自动清理）", static_dir)
 
     yield
 
     # 关闭
     logger.info("网关关闭中...")
-    # 停止清理任务
-    if app.state._cleanup_shutdown:
-        app.state._cleanup_shutdown.set()
-    if app.state._cleanup_task:
-        app.state._cleanup_task.cancel()
-        try:
-            await app.state._cleanup_task
-        except asyncio.CancelledError:
-            pass
     if app.state._pool_shutdown:
         await app.state._pool_shutdown()
     logger.info("网关已关闭")
@@ -132,51 +112,6 @@ def _get_pool_status_safe():
         return {"total": 0, "healthy": 0, "busy": 0}
 
 
-async def _cleanup_loop(annotations_dir: Path, cfg: dict, shutdown: asyncio.Event):
-    """定期清理 static/annotations/ 中过期的标注图文件。
-
-    配置项（可选，在 config.json 中设定）：
-    - cleanup.interval_minutes: 清理间隔，默认 60
-    - cleanup.max_age_hours: 文件保留时长（小时），默认 24
-    """
-    cleanup_cfg = cfg.get("cleanup", {})
-    interval_s = cleanup_cfg.get("interval_minutes", 60) * 60
-    max_age_s = cleanup_cfg.get("max_age_hours", 24) * 3600
-
-    logger.info(
-        "清理任务启动 | 间隔=%dmin | 保留=%dh | 目录=%s",
-        interval_s // 60, max_age_s // 3600, annotations_dir,
-    )
-
-    while not shutdown.is_set():
-        try:
-            await asyncio.wait_for(shutdown.wait(), timeout=interval_s)
-            break  # shutdown
-        except asyncio.TimeoutError:
-            pass  # 正常到时，执行清理
-
-        now = time.time()
-        deleted = 0
-        for f in annotations_dir.iterdir():
-            if f.name == ".gitkeep":
-                continue
-            if not f.is_file():
-                continue
-            try:
-                age_s = now - f.stat().st_mtime
-                if age_s > max_age_s:
-                    f.unlink()
-                    deleted += 1
-                    logger.debug("清理过期文件: %s (age=%.1fh)", f.name, age_s / 3600)
-            except Exception:
-                logger.warning("清理文件失败: %s", f.name, exc_info=True)
-
-        if deleted:
-            logger.info("清理完成: 删除 %d 个过期文件", deleted)
-
-    logger.info("清理任务已停止")
-
-
 @app.get("/gateway-health", include_in_schema=False)
 async def gateway_health():
     """网关自身健康检查（区别于 worker 的 /health）。"""
@@ -539,10 +474,15 @@ async def hair_grow(request: Request):
     return await _proxy(request, "/api/v1/hair/grow")
 
 
-@app.post("/api/v1/hair/grow-b", tags=["生发"])
+@app.post("/api/v1/hair/grow-b", tags=["生发"], deprecated=True)
 async def hair_grow_b(request: Request):
-    """接口3：B端生发"""
-    return await _proxy(request, "/api/v1/hair/grow-b")
+    """接口3：B端生发（已屏蔽）"""
+    # 在网关层直接拦截，不转发到 worker 池——对所有上游 worker 立即生效。
+    import uuid as _uuid
+    return JSONResponse(status_code=200, content={
+        "code": 1007, "message": "接口3（/api/v1/hair/grow-b）已屏蔽，暂不提供服务",
+        "request_id": f"gw-{_uuid.uuid4().hex[:8]}", "data": None,
+    })
 
 
 @app.post("/api/v1/face/features", tags=["人脸分析"])
@@ -552,7 +492,7 @@ async def face_features(
     image_url: Optional[str] = Form(default=None, description="图片 URL"),
     image_base64: Optional[str] = Form(default=None, description="图片 base64（需带前缀）"),
 ):
-    """接口4：用户特征分析 — 本机直接调豆包视觉模型，不经过 worker。"""
+    """接口4：用户特征分析 — 豆包 5 项 + 本机 MediaPipe 脸型（face/），不经过 worker。"""
     import uuid as _uuid
 
     # 三选一校验

gateway/config.example.json

@@ -22,9 +22,5 @@
     "request_timeout_seconds": 600,
     "retry_on_failure": true,
     "max_retries": 1
-  },
-  "cleanup": {
-    "interval_minutes": 60,
-    "max_age_hours": 24
   }
 }

gateway/config.py

@@ -31,10 +31,6 @@ DEFAULTS = {
         "retry_on_failure": True,
         "max_retries": 1,
     },
-    "cleanup": {
-        "interval_minutes": 60,
-        "max_age_hours": 24,
-    },
     "request_log": {
         "enabled": True,
         "log_file": "gateway/request_log.jsonl",

gateway/reqlog.py

@@ -2,8 +2,8 @@
 
 设计原则（与用户约定）：
 - 入参/出参日志里**绝不内嵌图片 base64**。图片统一存盘后用 URL 引用，保持日志短小。
-- 入参图片（image_file / *_base64）当前网关不存盘——这里补存到 static_dir（in_ 前缀），
-  复用现有 24h 清理循环自动回收；url 输入图本身就在远端，不重新下载，直接记 URL。
+- 入参图片（image_file / *_base64）补存到 static_dir（in_ 前缀），永久保留；
+  url 输入图本身就在远端，不重新下载，直接记 URL。
 - 出参响应在 forward.py 已把 base64 改写成 *_url（无大图），记录完整 data，
   但用递归摘要器截断超长结构（landmarks、长字符串），单条上限 ~8KB。
 
@@ -39,7 +39,7 @@ def save_image_bytes(
     """把图片字节存盘并返回公网 URL。失败返回 None（不抛异常）。
 
     存到 static_dir/{prefix}{uuid}.{ext}，URL = {public_base_url}/static/annotations/{file}。
-    与 forward.py 的 rewrite_base64_to_url 落盘路径/URL 规则一致，可被同一清理循环回收。
+    与 forward.py 的 rewrite_base64_to_url 落盘路径/URL 规则一致；文件永久保留，不自动清理。
     """
     if not data:
         return None

hair_repaint.json

@@ -410,7 +410,7 @@
   },
   "60": {
     "inputs": {
-      "text": "填充遮罩区域的头发，皮肤加一点磨皮，再加一点美颜"
+      "text": "填充遮罩区域的头发"
     },
     "class_type": "JjkText",
     "_meta": {

hairline/redraw.py

@@ -16,7 +16,7 @@ from . import comfyui
 
 logger = logging.getLogger("hair.worker")
 
-_DEFAULT_PROMPT = "填充遮罩区域的头发，皮肤加一点磨皮，再加一点美颜"
+_DEFAULT_PROMPT = "填充遮罩区域的头发"
 _REPO = os.path.dirname(os.path.dirname(__file__))
 _REPAINT_WORKFLOW = os.path.join(_REPO, "0716add-hair-api.json")
 
@@ -62,7 +62,7 @@ def run_redraw(image_bytes: bytes, mask_bytes: bytes,
     Args:
         image_bytes: 人物图片字节（JPG/PNG）
         mask_bytes: 遮罩图片字节（支持红/白/alpha 遮罩格式）
-        prompt: 提示词，None 用默认 "填充遮罩区域的头发，皮肤加一点磨皮，再加一点美颜"
+        prompt: 提示词，None 用默认 "填充遮罩区域的头发"
         timeout: ComfyUI 超时秒数
         front: True 时任务插到 ComfyUI 队列最前（接口2 时延敏感路径用）
 

local_test/app.py

@@ -206,7 +206,7 @@ def generate():
             return jsonify({"error": msg}), 400
         image_file = request.files["image"]
         mask_file = request.files["mask"]
-        prompt_text = request.form.get("prompt", "填充遮罩区域的头发，皮肤加一点磨皮，再加一点美颜")
+        prompt_text = request.form.get("prompt", "填充遮罩区域的头发")
         log.info(
             "收到请求: image=%s mask=%s prompt=%r",
             image_file.filename, mask_file.filename, prompt_text,

local_test/bench.py

@@ -27,7 +27,7 @@ def prep_and_upload():
 
 
 def run_once(fname, model, dtype, steps):
-    wf = A.build_workflow(fname, "填充遮罩区域的头发，皮肤加一点磨皮，再加一点美颜")
+    wf = A.build_workflow(fname, "填充遮罩区域的头发")
     wf["16"]["inputs"]["unet_name"] = model
     wf["16"]["inputs"]["weight_dtype"] = dtype
     wf["1"]["inputs"]["steps"] = steps

local_test/bench2.py

@@ -33,7 +33,7 @@ def upload(scale=1.0):
 
 
 def run(fname, steps):
-    wf = A.build_workflow(fname, "填充遮罩区域的头发，皮肤加一点磨皮，再加一点美颜")
+    wf = A.build_workflow(fname, "填充遮罩区域的头发")
     wf["16"]["inputs"]["unet_name"] = MODEL
     wf["16"]["inputs"]["weight_dtype"] = DTYPE
     wf["1"]["inputs"]["steps"] = steps

local_test/bench_quality.py

@@ -30,7 +30,7 @@ SEED = 123456789
 imgs = []
 labels = []
 for steps in [2, 3, 4, 6]:
-    wf = A.build_workflow(fname, "填充遮罩区域的头发，皮肤加一点磨皮，再加一点美颜", seed=SEED)
+    wf = A.build_workflow(fname, "填充遮罩区域的头发", seed=SEED)
     wf["16"]["inputs"]["unet_name"] = MODEL
     wf["16"]["inputs"]["weight_dtype"] = DTYPE
     wf["1"]["inputs"]["steps"] = steps

local_test/index.html

@@ -55,7 +55,7 @@ button { padding: 10px 24px; border: none; border-radius: 6px; cursor: pointer;
         </div>
         <div class="controls" style="margin-top:16px">
             <label>提示词:</label>
-            <input type="text" id="promptInput" value="填充遮罩区域的头发，皮肤加一点磨皮，再加一点美颜">
+            <input type="text" id="promptInput" value="填充遮罩区域的头发">
         </div>
         <div style="text-align:center; margin-top:16px">
             <button class="btn-generate" id="generateBtn" disabled>🚀 生成</button>

local_test/test_api.py

@@ -25,7 +25,7 @@ resp = requests.post(
         "image": ("original.jpg", img_data, "image/jpeg"),
         "mask": ("mask.png", mask_data, "image/png"),
     },
-    data={"prompt": "填充遮罩区域的头发，皮肤加一点磨皮，再加一点美颜"},
+    data={"prompt": "填充遮罩区域的头发"},
     timeout=600,
 )
 

requirements.txt

@@ -26,8 +26,11 @@ transformers==4.45.2     # SegFormer 人脸分割（jonathandinu/face-parsing，
 # ⚠️ 必须 0.24.x —— 0.25+ 强依赖 numpy>=2，会顶掉 mediapipe 需要的 numpy<2
 scikit-image==0.24.0     # route_through_array（黑帽响应图上的 Dijkstra 最小路径）
 
-# 接口4：用户特征（火山方舟 豆包视觉模型）—— 已迁到**网关**实现，worker 不需要。
+# 接口4：用户特征（火山方舟 豆包视觉模型 + 本机 MediaPipe 脸型覆盖）—— 已迁到**网关**实现，worker 不需要。
 # 网关机装：volcengine-python-sdk[ark]（from volcenginesdkarkruntime import Ark）；API Key 走配置不入 git
+# ⚠️ face_shape 字段改为本机 face/face_shape_classifier.py 计算（覆盖豆包结果），
+#    因此网关机现在也需要 mediapipe==0.10.14 + opencv-python==4.10.0.84 + numpy==1.26.4
+#    （不再是"网关不需要 mediapipe"，见 docs/实现说明.md 需同步更新）
 
 # 测试
 pytest==8.3.3

static/test_face_shape.html

@@ -0,0 +1,267 @@
+<!DOCTYPE html>
+<html lang="zh-CN">
+<head>
+<meta charset="UTF-8">
+<meta name="viewport" content="width=device-width, initial-scale=1.0">
+<title>脸型分类调试 — MediaPipe</title>
+<style>
+  * { box-sizing: border-box; margin: 0; padding: 0; }
+  body { font-family: -apple-system, BlinkMacSystemFont, "Segoe UI", Roboto, sans-serif; background: #f5f5f5; color: #333; }
+  .container { max-width: 1200px; margin: 0 auto; padding: 24px; }
+  h1 { font-size: 22px; margin-bottom: 6px; }
+  .subtitle { color: #888; font-size: 13px; margin-bottom: 24px; }
+  .subtitle code { background: #eef2ff; color: #3730a3; padding: 1px 6px; border-radius: 4px; font-size: 12px; }
+
+  .card { background: #fff; border-radius: 12px; box-shadow: 0 1px 4px rgba(0,0,0,.06); margin-bottom: 20px; }
+  .card-header { font-weight: 700; font-size: 14px; padding: 14px 18px; border-bottom: 1px solid #f0f0f0; background: #fafafa; display: flex; justify-content: space-between; align-items: center; }
+  .card-body { padding: 18px; }
+
+  .upload-row { display: flex; gap: 12px; align-items: center; flex-wrap: wrap; }
+  .file-input { flex: 1; min-width: 200px; }
+  .file-input input[type=file] { width: 100%; padding: 8px; border: 2px dashed #ddd; border-radius: 8px; cursor: pointer; }
+  .btn { padding: 10px 28px; border: none; border-radius: 8px; font-size: 15px; cursor: pointer; font-weight: 600; transition: .2s; }
+  .btn-primary { background: #2563eb; color: #fff; }
+  .btn-primary:hover { background: #1d4ed8; }
+  .btn-primary:disabled { background: #93c5fd; cursor: not-allowed; }
+  .btn-sm { padding: 6px 14px; font-size: 13px; }
+  .btn-outline { background: #fff; border: 1px solid #d1d5db; color: #374151; }
+  .btn-outline:hover { background: #f9fafb; }
+  .hint { font-size: 12px; color: #9ca3af; margin-top: 8px; }
+
+  .status { padding: 10px 16px; border-radius: 8px; font-size: 14px; margin-bottom: 16px; display: none; }
+  .status.info { background: #dbeafe; color: #1e40af; display: block; }
+  .status.error { background: #fee2e2; color: #991b1b; display: block; }
+  .status.success { background: #d1fae5; color: #065f46; display: block; }
+
+  .results-layout { display: flex; gap: 24px; }
+  .col-main { flex: 1.4; min-width: 0; }
+  .col-side { flex: 1; min-width: 0; }
+
+  .verdict { display: flex; gap: 16px; flex-wrap: wrap; align-items: stretch; }
+  .verdict-item { flex: 1; min-width: 140px; background: #f8fafc; border: 1px solid #e2e8f0; border-radius: 10px; padding: 14px 16px; }
+  .verdict-item .label { font-size: 11px; color: #64748b; text-transform: uppercase; letter-spacing: .4px; margin-bottom: 6px; }
+  .verdict-item .value { font-size: 20px; font-weight: 700; color: #0f172a; }
+  .verdict-item .value.accent { color: #2563eb; }
+  .badge-mixed { display: inline-block; margin-left: 8px; background: #fef3c7; color: #92400e; font-size: 11px; padding: 2px 8px; border-radius: 10px; font-weight: 700; vertical-align: middle; }
+
+  .img-preview { text-align: center; background: #222; border-radius: 8px; overflow: hidden; min-height: 200px; display: flex; align-items: center; justify-content: center; }
+  .img-preview img { max-width: 100%; max-height: 560px; object-fit: contain; display: block; }
+  .img-preview .placeholder { color: #9ca3af; padding: 40px; font-size: 14px; }
+
+  .bar-list { display: flex; flex-direction: column; gap: 10px; }
+  .bar-row { display: grid; grid-template-columns: 72px 1fr 52px; gap: 10px; align-items: center; font-size: 13px; }
+  .bar-row .name { font-weight: 600; color: #334155; }
+  .bar-row .track { height: 10px; background: #e2e8f0; border-radius: 999px; overflow: hidden; }
+  .bar-row .fill { height: 100%; background: #94a3b8; border-radius: 999px; }
+  .bar-row.top .fill { background: #2563eb; }
+  .bar-row.second .fill { background: #60a5fa; }
+  .bar-row .score { text-align: right; font-variant-numeric: tabular-nums; color: #475569; }
+
+  .feat-table { width: 100%; border-collapse: collapse; font-size: 13px; }
+  .feat-table th, .feat-table td { text-align: left; padding: 8px 12px; border-bottom: 1px solid #f1f5f9; }
+  .feat-table th { background: #f8fafc; font-weight: 700; color: #475569; font-size: 11px; text-transform: uppercase; letter-spacing: .3px; }
+  .feat-table td:first-child { font-weight: 600; color: #1e293b; width: 180px; }
+  .feat-table tr:hover td { background: #f8fafc; }
+
+  .json-panel { max-height: 520px; overflow: auto; }
+  .json-content { padding: 14px 16px; font-family: "SF Mono", "Fira Code", monospace; font-size: 12px; line-height: 1.6; white-space: pre-wrap; word-break: break-all; }
+
+  .hidden { display: none !important; }
+  @media (max-width: 800px) { .results-layout { flex-direction: column; } }
+</style>
+<script src="/static/img_downscale.js"></script>
+</head>
+<body>
+<div class="container">
+  <h1>脸型分类调试（MediaPipe）</h1>
+  <p class="subtitle">
+    POST <code>/api/v1/debug/face-shape</code>
+    &nbsp;|&nbsp; 本地 <code>face/face_shape_classifier.py</code>（7 类）
+    &nbsp;|&nbsp; 非接口4 豆包分析
+  </p>
+
+  <div class="card">
+    <div class="card-body">
+      <div class="upload-row">
+        <div class="file-input"><input type="file" id="imageFile" accept="image/jpeg,image/png,.jpg,.jpeg,.png"></div>
+        <button class="btn btn-primary" id="submitBtn" onclick="submitTest()">分析脸型</button>
+        <button class="btn btn-outline btn-sm" onclick="clearResults()">清除</button>
+      </div>
+      <div class="hint">JPG/PNG 正面照 &nbsp;|&nbsp; 走本机 worker（MediaPipe），约 1s 内</div>
+      <div id="statusBar" class="status hidden"></div>
+    </div>
+  </div>
+
+  <div class="results-layout hidden" id="resultsArea">
+    <div class="col-main">
+      <div class="card">
+        <div class="card-header"><span>判定结果</span></div>
+        <div class="card-body">
+          <div class="verdict" id="verdictBox"></div>
+        </div>
+      </div>
+      <div class="card">
+        <div class="card-header"><span>特征标注图</span></div>
+        <div class="card-body">
+          <div class="img-preview" id="imgPreview"><span class="placeholder">—</span></div>
+        </div>
+      </div>
+      <div class="card">
+        <div class="card-header"><span>各脸型得分</span></div>
+        <div class="card-body">
+          <div class="bar-list" id="scoreBars"></div>
+        </div>
+      </div>
+    </div>
+    <div class="col-side">
+      <div class="card">
+        <div class="card-header"><span>几何特征</span></div>
+        <div class="card-body" style="padding:0;max-height:360px;overflow:auto">
+          <table class="feat-table" id="featTable"></table>
+        </div>
+      </div>
+      <div class="card">
+        <div class="card-header"><span>原始 JSON</span><button class="btn btn-outline btn-sm" onclick="copyJson()">复制</button></div>
+        <div class="json-panel"><pre class="json-content" id="jsonContent"></pre></div>
+      </div>
+    </div>
+  </div>
+</div>
+
+<script>
+const API_BASE = window.location.origin;
+const TOKEN = 'dev-shared-secret-2026';
+
+const FEAT_LABELS = {
+  face_height: '脸高 (px)',
+  face_width: '脸宽 (px)',
+  forehead_width: '额宽 (px)',
+  cheekbone_width: '颧宽 (px)',
+  jaw_width: '下颌宽 (px)',
+  chin_width: '下巴宽 (px)',
+  aspect_ratio: '长宽比 (宽/高)',
+  forehead_ratio: '额宽/面宽',
+  cheekbone_ratio: '颧宽/面宽',
+  jaw_ratio: '下颌宽/面宽',
+  chin_ratio: '下巴宽/面宽',
+  chin_sharpness: '下巴尖锐度',
+  taper_ratio: '额头→下巴收窄',
+  jaw_angle: '下颌角 (°)',
+  width_uniformity: '宽度均匀度',
+  face_curve_score: '面部曲线分',
+};
+
+function $(id) { return document.getElementById(id); }
+function setStatus(t, type) {
+  const b = $('statusBar');
+  b.textContent = t;
+  b.className = 'status ' + type;
+}
+
+function clearResults() {
+  $('resultsArea').classList.add('hidden');
+  $('statusBar').className = 'status hidden';
+  $('imageFile').value = '';
+  $('jsonContent').textContent = '';
+  $('imgPreview').innerHTML = '<span class="placeholder">—</span>';
+}
+
+async function submitTest() {
+  let f = $('imageFile').files[0];
+  if (!f) { setStatus('请选择图片', 'error'); return; }
+  if (window.downscaleImageFile) f = await window.downscaleImageFile(f);
+
+  $('submitBtn').disabled = true;
+  $('submitBtn').textContent = '分析中...';
+  setStatus('调用 MediaPipe 脸型分类...', 'info');
+  $('resultsArea').classList.add('hidden');
+
+  const fd = new FormData();
+  fd.append('image_file', f);
+  const t0 = performance.now();
+  try {
+    const r = await fetch(API_BASE + '/api/v1/debug/face-shape', {
+      method: 'POST',
+      headers: { 'X-Internal-Token': TOKEN },
+      body: fd,
+    });
+    const json = await r.json();
+    const elapsed = ((performance.now() - t0) / 1000).toFixed(2);
+    $('jsonContent').textContent = JSON.stringify(json, null, 2);
+    $('resultsArea').classList.remove('hidden');
+
+    if (json.code === 0) {
+      setStatus('完成 (' + elapsed + 's)', 'success');
+      renderResult(json.data);
+    } else {
+      setStatus('(' + elapsed + 's) code=' + json.code + ' ' + json.message, 'error');
+    }
+  } catch (e) {
+    setStatus('请求失败: ' + e.message, 'error');
+  } finally {
+    $('submitBtn').disabled = false;
+    $('submitBtn').textContent = '分析脸型';
+  }
+}
+
+function renderResult(data) {
+  const mixed = data.is_mixed
+    ? '<span class="badge-mixed">混合 · 次选 ' + (data.second_shape || '—') + '</span>'
+    : '';
+  $('verdictBox').innerHTML =
+    '<div class="verdict-item"><div class="label">脸型</div><div class="value accent">' +
+      esc(data.display || data.face_shape) + mixed + '</div></div>' +
+    '<div class="verdict-item"><div class="label">置信度</div><div class="value">' +
+      (data.confidence * 100).toFixed(1) + '%</div></div>' +
+    '<div class="verdict-item"><div class="label">分差 score_gap</div><div class="value">' +
+      (data.score_gap == null ? '—' : data.score_gap) + '</div></div>' +
+    '<div class="verdict-item"><div class="label">尺寸</div><div class="value" style="font-size:16px">' +
+      (data.image_size ? data.image_size.width + '×' + data.image_size.height : '—') + '</div></div>';
+
+  if (data.annotated_image_base64) {
+    $('imgPreview').innerHTML =
+      '<img src="data:image/jpeg;base64,' + data.annotated_image_base64 + '" alt="annotated">';
+  } else {
+    $('imgPreview').innerHTML = '<span class="placeholder">无标注图</span>';
+  }
+
+  const ranked = data.ranked || [];
+  const maxScore = ranked.length ? Math.max.apply(null, ranked.map(function (x) { return x.score; })) : 100;
+  $('scoreBars').innerHTML = ranked.map(function (row, i) {
+    const cls = i === 0 ? ' top' : (i === 1 ? ' second' : '');
+    const pct = maxScore > 0 ? (100 * row.score / maxScore) : 0;
+    return '<div class="bar-row' + cls + '">' +
+      '<div class="name">' + esc(row.shape) + '</div>' +
+      '<div class="track"><div class="fill" style="width:' + pct.toFixed(1) + '%"></div></div>' +
+      '<div class="score">' + Number(row.score).toFixed(1) + '</div>' +
+      '</div>';
+  }).join('');
+
+  const feats = data.features || {};
+  const keys = Object.keys(feats);
+  let html = '<tr><th>特征</th><th>值</th></tr>';
+  keys.forEach(function (k) {
+    const label = FEAT_LABELS[k] || k;
+    const v = feats[k];
+    const text = typeof v === 'number' ? (Number.isInteger(v) ? v : v.toFixed(4)) : String(v);
+    html += '<tr><td>' + esc(label) + '</td><td>' + esc(String(text)) + '</td></tr>';
+  });
+  $('featTable').innerHTML = html;
+}
+
+function esc(s) {
+  return String(s).replace(/[&<>"']/g, function (c) {
+    return ({ '&': '&amp;', '<': '&lt;', '>': '&gt;', '"': '&quot;', "'": '&#39;' })[c];
+  });
+}
+
+function copyJson() {
+  const t = $('jsonContent').textContent;
+  if (!t) return;
+  navigator.clipboard.writeText(t).then(function () {
+    setStatus('已复制 JSON', 'success');
+  });
+}
+</script>
+</body>
+</html>

static/test_interface12.html

@@ -69,7 +69,7 @@
     </div>
     <div class="upload-row" style="margin-top:10px">
       <label style="font-size:13px;font-weight:600;white-space:nowrap">重绘提示词</label>
-      <input type="text" id="localTestPrompt" value="填充遮罩区域的头发，皮肤加一点磨皮，再加一点美颜" style="flex:1;min-width:200px;padding:8px;border:1px solid #ddd;border-radius:8px">
+      <input type="text" id="localTestPrompt" value="填充遮罩区域的头发" style="flex:1;min-width:200px;padding:8px;border:1px solid #ddd;border-radius:8px">
     </div>
     <div class="upload-row" style="margin-top:10px">
       <label style="font-size:13px;font-weight:600;white-space:nowrap">X-Internal-Token</label>
@@ -354,7 +354,7 @@ function dataUriToBlob(dataUri) {
 
 async function runLocalRedraw() {
   if (!_finalDataUri || !_maskDataUri) { setStatus('缺少 final 或遮罩，请先生成', 'error'); return; }
-  const prompt = $('localTestPrompt').value.trim() || '填充遮罩区域的头发，皮肤加一点磨皮，再加一点美颜';
+  const prompt = $('localTestPrompt').value.trim() || '填充遮罩区域的头发';
   const btn = $('redrawBtn');
   btn.disabled = true; btn.textContent = '⏳ 重绘中...';
   flog('===== 调后端重绘 =====', 'info');

static/test_interface12_final.html

@@ -56,7 +56,7 @@
     </div>
     <div class="upload-row" style="margin-top:10px">
       <label style="font-size:13px;font-weight:600;white-space:nowrap">重绘提示词</label>
-      <input type="text" id="localTestPrompt" value="填充遮罩区域的头发，皮肤加一点磨皮，再加一点美颜" style="flex:1;min-width:200px;padding:8px;border:1px solid #ddd;border-radius:8px">
+      <input type="text" id="localTestPrompt" value="填充遮罩区域的头发" style="flex:1;min-width:200px;padding:8px;border:1px solid #ddd;border-radius:8px">
     </div>
     <div class="params">
       <div class="pf">
@@ -169,7 +169,7 @@ async function submitTest() {
 
 async function runLocalRedraw() {
   if (!_finalDataUri || !_maskDataUri) { setStatus('缺少 final 或遮罩，请先生成', 'error'); return; }
-  const prompt = $('localTestPrompt').value.trim() || '填充遮罩区域的头发，皮肤加一点磨皮，再加一点美颜';
+  const prompt = $('localTestPrompt').value.trim() || '填充遮罩区域的头发';
   const btn = $('redrawBtn');
   btn.disabled = true; btn.textContent = '⏳ 重绘中...';
 

static/test_interface2.html

@@ -107,7 +107,7 @@
       <div class="hint">JPG/PNG &nbsp;|&nbsp; 生发图生成较慢（数十秒~数分钟），请耐心等待</div>
       <div style="margin-top:10px;display:flex;align-items:center;gap:8px">
         <label style="font-size:13px;font-weight:600;color:#374151;white-space:nowrap">💬 提示词</label>
-        <input type="text" id="promptInput" value="填充遮罩区域的头发，皮肤加一点磨皮，再加一点美颜" style="flex:1;padding:8px 12px;border:1px solid #d1d5db;border-radius:6px;font-size:13px;max-width:500px">
+        <input type="text" id="promptInput" value="填充遮罩区域的头发" style="flex:1;padding:8px 12px;border:1px solid #d1d5db;border-radius:6px;font-size:13px;max-width:500px">
       </div>
       <div id="statusBar" class="status hidden"></div>
     </div>

static/test_interface3.html

@@ -94,7 +94,7 @@
       </div>
       <div class="upload-group" style="margin-top:14px">
         <div class="label">💬 提示词（prompt）</div>
-        <input type="text" id="promptInput" value="填充遮罩区域的头发，皮肤加一点磨皮，再加一点美颜" style="width:100%;padding:8px 12px;border:1px solid #d1d5db;border-radius:8px;font-size:14px;max-width:500px">
+        <input type="text" id="promptInput" value="填充遮罩区域的头发" style="width:100%;padding:8px 12px;border:1px solid #d1d5db;border-radius:8px;font-size:14px;max-width:500px">
       </div>
       <div style="margin-top:14px;display:flex;gap:12px;align-items:center">
         <button class="btn btn-primary" id="submitBtn" onclick="submitTest()">🚀 提交</button>

static/test_interface7.html

@@ -104,7 +104,7 @@
       <div class="hint">JPG/PNG &nbsp;|&nbsp; 生发图生成较慢（数十秒~数分钟），请耐心等待 &nbsp;|&nbsp; 工作流: add_hair2.json</div>
       <div style="margin-top:10px;display:flex;align-items:center;gap:8px">
         <label style="font-size:13px;font-weight:600;color:#374151;white-space:nowrap">💬 提示词</label>
-        <input type="text" id="promptInput" value="填充遮罩区域的头发，皮肤加一点磨皮，再加一点美颜" style="flex:1;padding:8px 12px;border:1px solid #d1d5db;border-radius:6px;font-size:13px;max-width:500px">
+        <input type="text" id="promptInput" value="填充遮罩区域的头发" style="flex:1;padding:8px 12px;border:1px solid #d1d5db;border-radius:6px;font-size:13px;max-width:500px">
       </div>
       <div id="statusBar" class="status hidden"></div>
     </div>